基于时差累积的雷达信号分选方法

多站系统中,可将用于定位的时差信息用于信号分选.针对传统分选方法对于信号形式的适应能力不强的缺点,提出一种对雷达脉冲信号具有普适性的分选方法.方法通过设定两个侦察站,根据同一辐射源的脉冲到达两站的时差相同的原理分选信号.详细讨论时差累积结果中的虚假时差,探究真实时差和虚假时差的联系.最后采用递归思想检测、分选每个时差,逐步消除虚假时差,仿真结果表明该方法能够有效分选雷达脉冲信号,能较好解决制约雷达对抗情报获取的信号分选难题.     

一种雷达辐射源双谱二次特征提取方法

针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性.     

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。     

基于理想排序的雷达信号识别效能评估方法

当前对雷达辐射源信号识别效能评估的研究处于起步阶段,没有一种很好的评估方法对其进行评估.为此,论文提出一种基于AH P-I2TOPSIS的雷达辐射源信号识别效能评估方法.该方法主要在以下三点对传统区间TOPSIS方法进行改进,以消除逆序问题:利用AHP方法计算指标权值;利用理论极值确定绝对正负理想点;利用区间距离计算评估方案到正负理想点的距离并改进贴近度计算方法,并将AHP-I2TOPSIS方法应用于雷达辐射源信号识别效能评估中得到新的雷达辐射源信号识别效能评估方法.最后通过评估实例证明论文所提方法能有效解决逆序问题,并能很好地应用于雷达辐射源信号识别效能评估中.     

复杂电磁环境下同型雷达信号的分选方法

针对复杂电磁环境下的同型雷达辐射源信号分选问题,提出了一种综合了聚类与机器学习的分选方法。利用雷达信号的变化趋势规律特征来训练分选模型用于分选,改善了传统方法无法正确分选在时、空和频域严重交叠的辐射源信号的问题。仿真试验验证了所提分选方法的有效性和可行性。     

改进SVC算法在雷达信号分选中的应用

为提高支持向量聚类（SVC）对分布复杂、不均匀雷达辐射源信号样本分选的正确率,提出一种改进的支持向量聚类分选方法,先采用支持向量聚类对所有未知样本作预分类,提供初始的聚类中心,然后利用K-Means聚类分选算法最终分选。结果表明,此方法能够很好地对复杂雷达信号进行分选,分选正确率较高。     

数据场和K-Means算法融合的雷达信号分选

雷达辐射源信号分选是电子情报侦察的关键环节,其中未知雷达的信号分选一直是分选中的难题。针对传统K-Means聚类算法对初始聚类中心敏感、需要事先确定初始聚类数目的缺点,将数据场算法引入到雷达信号分选,并将其与K-Means聚类算法相结合,提出了一种融合算法,该算法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验验证所提出的融合算法分选准确率较高,为雷达信号分选提供了新的思路。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基因表达式编程和K-Means融合的雷达信号分选

为了解决聚类算法需要较多的先验知识,不能自动进行聚类的问题,提出了基因表达式编程和K-Means融合的雷达信号分选算法。从介绍基因表达式编程和K-Means聚类算法的特点出发,针对雷达信号的实际情况,对两种算法进行了优化融合,并通过模拟雷达辐射源数据进行了仿真验证,仿真结果表明该算法在不需要任何雷达辐射源先验知识的情况下即可自动完成聚类分选,具有98.3%的聚类分选精度和较快的收敛速度,其较高的分选精度在电子情报侦察系统上有着广阔的应用前景。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。      

基于时差的同类辐射源信号分选定位方法

多站电子侦察系统中,多个观测站接收到的脉冲信号的时差信息可用于信号分选和定位。但当多个参数相近的同类辐射源信号在时域和频域都混叠在一起时,会得到大量虚假时差信息。该文结合目标位置信息场定位法,提出基于时差的同类辐射源信号分选定位方法。该方法首先利用时差窗先验信息,将主站与副站的脉冲进行时差和参数匹配提取同类辐射源的时差信息,然后对得到的所有时差利用目标位置信息场定位法确定目标数目和位置,最后利用定位结果确定真实时差,剔除虚假时差,完成信号分选和目标精确定位。仿真实验验证了该方法的有效性和实用性。     

一种多模雷达信号分选方法的研究

面对日益复杂的雷达,提高发现概率并降低虚警概率已成为雷达信号分选的关键技术。提出一种基于BFSN聚类分选结合数据融合的新的多模雷达信号分选方法。仿真结果表明,该方法能够克服传统方法在分选多模雷达信号时造成的增批等问题,并能做到实时、准确分选。最后给出一种计算可信度的方法。     

一种解决雷达信号分选中“增批”问题的算法

同一部雷达可以在不同时间段内大范围跨波段工作,在现行信号分选过程中,容易出现＂增批＂问题。利用信号的相参特性,构造脉冲初始相位差信号,用Kay算法和相关函数算法,分别对本振频率进行定量和定性估计,实现对同一辐射源信号和不同辐射源信号的分选。仿真结果表明,该算法有效克服了信号分选过程中存在的＂增批＂问题。     

窄带恒包络信号存在相差的时延估计新方法

在时差定位应用中,两部侦收天线传输给接收机的是射频信号,频率较高,接收机需要将其下变频到某一中频,在中频采样后,送给时延估计器进行时延估计,以确定辐射源位置。在研究中发现,应用同一本振信号对两路存在相对时差的窄带恒包络信号进行下变频时,会引入新的相差,这个新的相差会导致时延估计值错误。针对此问题,提出了一种新的补偿此相差的时延估计方法,计算机仿真验证了新方法的有效性和正确性。      

机载单站测向交叉定位中奇异测向线的聚类检测

在机载单站对地面多个固定辐射源实施测向交叉定位时，针对信号初分选后仍然存在的少量奇异测向线会严重影响定位精度的问题，采用聚类方法对其进行有效检测并剔除，最后给出了仿真结果。     

一种基于灰关联算法的雷达辐射源分选方法

针对基于参数特征分选方法存在的问题,提出一种基于雷达信号波形匹配的分选算法,通过提取波形的相似性特征,配对完成分选。采用灰关联分析的方法,根据波形间几何形状的相似程度来衡量波形间接近的程度。通过分析各灰关联算法的缺陷,研究利用波形的始点零化像中相邻采样点间对应的面积来计算信号间的灰关联度,作为波形特征的指标分选信号。仿真结果说明该方法的可行性、有效性,提高了信号分选的准确率,对先验知识的依赖性不强,具备一定的抗噪性能。     

Symbol synchronization using signal samples and interpolation

A method for symbol synchronization using two unsynchronized signal samples per symbol is presented. Signal values between the sample points are calculated by interpolation and then processed digitally to find a suitable strobe point. The interpolated value at the strobe point is used for data detection or input to an equalizer. Simulations show that low variance timing estimates can be made for pulses with raised-cosine spectra degraded by quadratic delay distortion     

一种基于Harris角点特征的图像拼接方法

本文通过对已有图像拼接算法的分析研究,改进了拼接算法中的特征点匹配问题。首先利用Harris角检测算法提取特征点,然后通过归一化相关法进行初始匹配,接着引入马氏（Mahalanobis）距离,实现图像的精确匹配。最后通过加权平均的方法完成图像的融合。实验证明该方法能有效地去除伪匹配特征点对,降低了误匹配的概率,是一种有效的图像拼接方法。     

三站交叉定位虚假点消除算法研究

针对无源测向交叉定位在多目标辐射源的情况下存在的虚假点问题,提出了一种改进的三站交叉定位虚假点消除算法。首先求出两站测向交叉点,然后根据第三站测量信息进行关联匹配检测,确定正确关联。仿真结果表明,该方法不仅数据关联正确率优于直接采用三个测向站测量数据进行关联的方法,而且计算量明显减少,能够快速、有效消除虚假点。     

基于区域增长校正的频域盲源分离排序算法

卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。